تشخیص دست خط با استفاده از شبکه عصبی

چکیده :

تشخیص دست خط آنلاین دارای کاربردهای بسیاری است و تشخیص با دقت بالا ضروری است. در این مقاله، تیم پی سی اسکریپت روشی برای تشخیص عدد و حروف فارسی دستخط آنلاین با استفاده از مدل های پنهان مارکوف (HMM) را معرفی می کنیم. ابتدا جهت دستخط را تشخیص می دهیم سپس برخی از ویژگی های آماری و قالب بندی را می گیریم. حروف با استفاده از این ویژگی ها طبقه بندی شده اند و سپس از HMM برای تشخیص استفاده می کنیم.

مقداری حرکت در خارج از بدنه ی اصلی در ابتدا یا انتهای حروف و عدد داریم، بنابر این در این مقاله یک ناحیه ی شلوغ در آغاز و پایان hmm و یک ناحیه ی پذیرش در پایان برای افزایش دقت تشخیص قرار می دهیم. ما از الگوریتم Baum-Welch برای معرفی HMM استفاده می کنیم و سپس چندین نمونه ارائه می دهیم. توجه داشته باشید که نتایج، مقیاس پذیری مدل ارائه شده را نشان می دهند و دقت تشخیص برای اعداد برابر با 99.22% و برای حروف برابر با 95.91% می باشد.

مقدمه

یکی از موارد قدرتمند تشخیص الگو، تشخیص دستخط میباشد.سیستم های تشخیص دستخط به دو نوع آنلاین وآفلاین تقسیم می شوند. روشهای مختلفی برای تشخیص دستخط وجود دارد، شامل روشهای آماری از جمله مدلهای مارکوف پنهان و روشهای ساختاری مانند شبکه های عصبی. دلایلی برای مورد توجه بودن تشخیص دستخط وجوددارد ازجمله اینکه نوشتن چیزی از تایپ کردن آن ساده تر است، عدم امکان تایپ کردن در برخی از مکانها، وعدم وجود یک صفحه کلیدکامل روی برخی ازرایانه های کوچک. باتوجه به ویژگیهای خاص حروف فارسی و وابستگی لغات فارسی به نقاط، تشخیص دستخط کلمه ی فارسی از تشخیص دستخط لغات انگلیسی دشوارتر است.

HMM هادرحال حاضر بطور گسترده ای دربسیاری اززبانها به منظور تشخیص دستخطها مورد استفاده قرارمیگیرند.دراین مقاله، مابرخی از ویژگیهای آماری وقالب بندی را به دست می آوریم وبا استفاده ازHMM تشخیص عددوحروف راانجام می دهیم.

کارهای مرتبط

تشخیص دستخط یکی از موضوعات بسیار جالب در علم کامپیوتر است. سیستم های تشخیص دستخط به دو نوع آنلاین و آفلاین تقسیم می شوند. در تشخیص آفلاین، تصویر سند اسکن شده برای دریافت داده ها استفاده میشود اما در تشخیص آنلاین، ورودی سیستم مختصات نقاط، جهت قلم و غیره می باشد. تحقیقات بسیاری درباره ی به رسمیت شناختن روش های تشخیص انجام شده است. روشهای بسیاردیگری در آن تحقیقات وجود دارد ویکی از مهمترین آنها HMM می باشد.

در ‎[1]، یک کار چارچوب شبکه ی بیزی را برای مدل سازی برای ضربه های مدل سازی و ارتباط حروف آنها ارائه می دهیم. تمامی مدل ها و روابط در شبکه های بیزی نشان داده شده اند. آزمایش تشخیص با ارقام دست نوشته ی آنلاین، نتایج امیدوار کننده ای را نشان داد.

در ‎[2]، یک روش فازی جدید را برای تشخیص دستخز فارسی آنلاین ارائه می دهیم که برای محیط های چند نویسنده ای نیز مفید است. در این روش، ارائه ی پارامترهای دستخط توسسط مدل سازی فازی انجام شده است. ویژگی های نماینده به منظور توصیف شکل نشانه ها انتخاب شده اند. شرایط فازی، قدرتمندی را در برابر تغییرات دستخط ارائه می دهد. روش ارائه شده روی مجموعه داده های حروف دست نوشته ی جدا شده ی فارسی اجرا شد و به نرخ تشخیص نسبتاً بالایی دست یافت.

کلید واژه:تشخیص دست خط فارسی، مدل پنهان مارکوف، شبکه های عصبی